Linux用音声認識ソフトウェア

音声認識プロジェクト用の音響モデルを作成するには、音声コーパスを構築することが不可欠です。VoxForgeは、音声認識プロジェクトで使用するために書き起こされた音声データを収集する目的で構築された、無料の音声コーパスおよび音響モデルリポジトリです。VoxForgeは、クラウドソーシングによる音声サンプルと、認識された音声シーケンスの修正を受け付けています。ライセンスはGNU一般公衆利用許諾契約書（GPL）です。

個別音声認識はウェブブラウザ内で実行でき、対応ブラウザであれば問題なく動作します。リモート音声認識は、主にサーバーベースのシステムであるため、デスクトップコンピュータやモバイルデバイスにソフトウェアをインストールする必要はありませんが、上記のようなセキュリティ上の問題が内在しています。

• リモート：音声認識サービスは、ウェブブラウザを介してユーザーの音声トラックを録音します。
• DSR：一部のソリューションは、サーバーにデータを送信することなく、クライアントのみで動作します。

以下は、Linux上で音声認識を実装するためのプロジェクトと、主要なネイティブソリューションの一覧です。これらはエンドユーザー向けアプリケーションではなく、エンドユーザー向けアプリケーションの開発に利用できるプログラミングライブラリです。

• CMU Sphinxとは、カーネギーメロン大学で開発された一連の音声認識システムを指す総称である。
• HTKは、Kaldiが登場する以前は最も有名で広く使われていた音声認識ソフトウェアです。
• Juliusは、音声関連の研究者や開発者向けの、高性能な2パス方式の大規模語彙連続音声認識（LVCSR）デコーダーソフトウェアです。
• Kaldiは、Apacheライセンスの下で提供される音声認識ツールキットです。
• Mozilla DeepSpeechは、Baiduのディープスピーチ研究論文に基づいてオープンソースの音声認識エンジンを開発している。 ^{[ 2 ]}

• VoxForgeは、オープンソースの音声認識エンジン向けの、無料の音声コーパスおよび音響モデルのリポジトリです。

• Janus Recognition Toolkit (JRTk) は、主に Linux を対象としたクローズド ソースの音声認識ツールキットで、カーネギー メロン大学とカールスルーエ工科大学の Interactive Systems Laboratories によって開発され、商用ライセンスと研究ライセンスが利用可能です。^{[ 3 ]}